18. CAP 定理

CAP 定理（CAP theorem），又被称作布鲁尔定理（Brewer's theorem），由计算机科学家 Eric Brewer 于 2000 年提出，是分布式系统设计的一个重要理论框架。

CAP 代表了 Consistency (一致性)、Availability (可用性) 和 Partition Tolerance (分区容错性)。

CAP 定理表明，对于一个分布式计算系统来说，不可能同时满足这三个属性，必须在其中进行权衡。

CAP 的三个组成部分

1. Consistency (一致性):

   • 系统中的所有节点在同一时间看到的数据必须一致。
   • 举例：在一个银行应用中，无论用户访问哪个节点，账户余额应该是相同的。

2. Availability (可用性):

   • 每个请求都能在有限的时间内得到响应，无论结果是否一致。
   • 举例：即使某些节点无法同步最新数据，系统仍然能够返回一个结果，避免服务不可用。

3. Partition Tolerance (分区容错性):

   • 系统在出现网络分区时仍然能够继续运行。网络分区是分布式系统中的常见问题，比如节点之间通信失败或延迟过高。
   • 举例：当节点 A 和节点 B 之间的通信断开时，系统应能够继续服务，不至于完全崩溃。

CAP 定理的核心：两难选择

CAP 定理指出，当网络分区（P）发生时，分布式系统必须在一致性（C）和可用性（A）之间做出选择：

1. Consistency + Partition Tolerance (CP):

   • 优先保证一致性，牺牲一定的可用性。
   • 示例：分布式数据库 MongoDB 中的强一致性模式。
   • 场景：金融交易系统，数据一致性要求高。

2. Availability + Partition Tolerance (AP):

   • 优先保证可用性，允许数据短时间内不一致。
   • 示例：DNS 系统，在网络分区时仍然响应用户请求，但可能返回旧数据。
   • 场景：社交媒体、缓存系统。

PACELC：CAP 定理的延伸

CAP 定理关注网络分区的场景，而 PACELC 模型进一步补充了非分区情况下的权衡：

PACELC: Given P, choose A or C. Else, favor Latency or Consistency.

• 如果出现网络分区(Partition), 系统必须在一致性 (Consistency) 和可用性 (Availability) 之间选择；
• 否则(Else), 在延迟 (Latency) 和一致性 (Consistency) 之间权衡。

PACELC 的应用

1. Amazon DynamoDB:

   • 分区情况下选择可用性 (AP)。
   • 非分区情况下选择低延迟 (EL)。

2. Google Spanner:

   • 分区情况下选择一致性 (CP)。
   • 非分区情况下选择一致性 (EC)。

总结

CAP 定理和 PACELC 模型帮助设计分布式系统时回答以下关键问题：

1. 是否优先数据一致性？
   • 如果数据必须始终一致，应选择 CP 系统，如金融、订单管理。
2. 是否优先可用性？
   • 如果系统需要保证高可用性，应选择 AP 系统，如社交平台、缓存。
3. 非分区情况下优先一致性还是低延迟？
   • 例如，全球范围的数据库系统可能选择牺牲低延迟以实现数据一致性。